Pesquisadores do Google AI e do ALS Therapy Development Institute divulgaram, esta semana, detalhes do projeto Euphonia, serviço de transcrição de fala para texto para pessoas com deficiências de fala. Segundo eles, a nova abordagem é capaz também de melhor o reconhecimento automático de fala para quem tem sotaque inglês não-nativo.
Os pesquisadores explicaram em reportagem do Venturebeat.com que a nova abordagem é bem-sucedida, sobretudo, devido ao uso de pequenas quantidades de dados representando pessoas com sotaque e ALS (sigla em inglês de esclerose lateral amiotrófica), caracterizada pela fala arrastada.
“Mostramos que 71% da melhoria vem de apenas cinco minutos de dados de treinamento”, escreveram os pesquisadores em um artigo intitulado “Personalizing ASR for Dysarthric and Accented Speech with Limited Data”, publicado no final de julho.
Os pesquisadores contaram que os modelos personalizados foram capazes de alcançar, respectivamente, 62% e 35% de melhora na taxa de erro relativo de palavras WER para ALS e acentos.
Nos testes foi utilizado um conjunto de dados de fala da ALS com 36 horas de áudio de 67 pessoas portadoras da doença. No caso dos falantes não-nativos, usou-se 20 gravações de falas com uma hora de duração, cada.
“A abordagem deste artigo supera a escassez de dados, começando com um modelo de base treinado em milhares de horas de discurso padrão. Ele contorna a heterogeneidade de subgrupos através do treinamento de modelos personalizados”, diz o artigo.
O trabalho, com 12 coautores, será apresentado no International Speech Communication Association, que acontecerá de 15 a 19 de setembro, em Graz, na Áustria.
